Temat: Particle Swarm Optimization - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Problem strojenia algorytmu optymalizacji rojem cząstek w optymalizacji ciągłej
The problem of tuning the particle swarm optimization algorithm in continuous optimization
Autorzy:: Mrozek, Adam
Badura, Dariusz
Powiązania:: https://bibliotekanauki.pl/articles/592187.pdf
Data publikacji:: 2018
Wydawca:: Uniwersytet Ekonomiczny w Katowicach
Tematy:: Optymalizacja
Optymalizacja rojem cząstek
Strojenie
Optimization
Particle Swarm Optimization
Tuning
Opis:: Optymalizacja wybranego zagadnienia, polegająca na znalezieniu analitycznego rozwiązania wyznaczającego ekstremum opisującego to zagadnienie funkcji, jest bardzo często złożona. Analityczne rozwiązanie staje się czasem niemożliwe, szczególnie w przypadku, gdy funkcja jest sformułowana w sposób uwikłany. W wielu przypadkach nie istnieją też metody automatycznego rozwiązywania takich formuł. Do rozwiązywania wielu problemów optymalizacyjnych skutecznym narzędziem okazała się optymalizacja rojem cząstek (ang. Particle Swarm Optimization, PSO). Sam algorytm bywa także stosowany jako część innych niedeterministycznych algorytmów, tworząc konstrukcje hybrydowe. Biorąc pod uwagę skuteczność znajdowania rozwiązania, wśród innych podobnych metod optymalizacji algorytm PSO nie plasuje się na czołowym miejscu. Stąd liczne próby modyfikacji oraz ustalenia najbardziej optymalnych i uniwersalnych parametrów algorytmu PSO. W artykule przedstawiono wyniki badań efektywności podstawowej wersji algorytmu optymalizacji rojem cząstek (PSO) dla problemów ciągłych o różnej skali złożoności. Autorzy podjęli także próbę oceny kosztu strojenia tego algorytmu dla małych problemów.
The optimization of the chosen issue of finding an analytical solution to determine the extreme describing this function is very often complex. An analytical solution is sometimes impossible, especially when the function is formulated in an entangled way. In many cases, there are no methods for automatically solving such formulas. Optimization of the particle swarm (Particle Swarm Optimization, PSO) has proved to be an effective tool for solving many optimization problems. Hence numerous attempts to modify and determine the most optimal and universal parameters of the PSO algorithm. The algorithm itself is also used as a part of other non-deterministic algorithms to create hybrid constructions. The article presents the results of research on the effectiveness of the basic version of the particle swarm optimization algorithm (PSO) for continuous problems of varying complexity scale. The authors also attempted to evaluate the cost of tuning this algorithm for small problems. The carried out computational experiments confirm the hypotheses advanced.
Źródło:: Studia Ekonomiczne; 2018, 355; 61-80
2083-8611
Pojawia się w:: Studia Ekonomiczne
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Zastosowanie algorytmu optymalizacji rojem cząstek do znajdowania ekstremów globalnych wybranych funkcji testowych
A particle swarm optimization algorithm for finding global extrema of some benchmark functions
Autorzy:: Figielska, E.
Wiatrak, M.
Powiązania:: https://bibliotekanauki.pl/articles/91471.pdf
Data publikacji:: 2015
Wydawca:: Warszawska Wyższa Szkoła Informatyki
Tematy:: optymalizacja rojem cząstek
ekstremum globalne
funkcje testowe
particle swarm optimization (PSO)
global extremum
benchmark functions
Opis:: Praca dotyczy zastosowania algorytmu optymalizacji rojem cząstek do znajdowania ekstremów globalnych dla wybranych funkcji jedno i wielomodalnych. Na podstawie wyników eksperymentu obliczeniowego wyłoniono warianty ustawień parametrów algorytmu zapewniające jego największą skuteczność.
In this paper, we present the particle swarm optimization algorithm for finding the global extrema of several single and multimodal functions. The values of the algorithm parameters which ensure its best performance are determined on the basis of the computational results.
Źródło:: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2015, 9, 13; 7-19
1896-396X
2082-8349
Pojawia się w:: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Optymalizacja cyklu roboczego manipulatora z parami obrotowymi
Optimization of work cycle of manipulator with revolute joints
Autorzy:: Posiadała, B.
Tomala, M.
Powiązania:: https://bibliotekanauki.pl/articles/171143.pdf
Data publikacji:: 2014
Wydawca:: Poltegor-Instytut Instytut Górnictwa Odkrywkowego
Tematy:: manipulator
aktuator
modelowanie dynamiki
optymalizacja pracy
metoda roju cząstek
actuator
dynamics modelling
optimization
particle swarm optimization (PSO)
Opis:: W artykule przedstawiono zagadnienie optymalizacji cyklu roboczego manipulatora wyposażonego w kinematyczne pary obrotowe. Jako kryterium optymalizacji przyjęto minimalizację obciążeń w aktuatorach manipulatora oraz minimalizację całkowitego czasu wykonania przez manipulator cyklu roboczego, polegającego na transporcie końcówki roboczej z jednego punktu trójwymiarowej przestrzeni do innego. W pracy zamieszczono przykładowe wyniki obliczeń numerycznych.
In this work, the problem of work cycle optimization of manipulator with revolute joints has been presented. The optimization purposes to minimize torques in actuators of the manipulator and total time of the work cycle. The work cycle is to move end-effector from one point of spatial workspace to another. An exemplary computation has been performed and results of the computation have been attached to the paperwork.
Źródło:: Górnictwo Odkrywkowe; 2014, 55, 4-5; 71-75
0043-2075
Pojawia się w:: Górnictwo Odkrywkowe
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Algorytmy stadne w problemach optymalizacji
Swarm Algorithms in Optimization Problems
Autorzy:: Filipowicz, B.
Kwiecień, J.
Powiązania:: https://bibliotekanauki.pl/articles/274567.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: optymalizacja nieliniowa
algorytm PSO
algorytm pszczeli
algorytm świetlika
nonlinear optimization
particle swarm optimization (PSO)
bee algorithm
firefly algorithm
Opis:: W artykule przedstawiono zastosowanie algorytmu optymalizacji rojem cząstek, algorytmu pszczelego i algorytmu świetlika do wyznaczenia optymalnego rozwiązania wybranych testowych funkcji ciągłych. Przedstawiono i porównano wyniki badań dla funkcji Rosenbrocka, Rastrigina i de Jonga.
This paper presents particle swarm optimization, bee algorithm and firefly algorithm, used for optimal solution of selected continuous well-known functions. Results of these algorithms are compared to each other on Rosenbrock, Rastrigin and de Jong functions.
Źródło:: Pomiary Automatyka Robotyka; 2011, 15, 12; 152-157
1427-9126
Pojawia się w:: Pomiary Automatyka Robotyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Zastosowanie algorytmów rojowych do optymalizacji parametrów w modelach układów regulacji
Application of swarm intelligence algorithms to optimization of control system models
Autorzy:: Tomera, M.
Powiązania:: https://bibliotekanauki.pl/articles/269153.pdf
Data publikacji:: 2015
Wydawca:: Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:: algorytmy rojowe
optymalizacja parametrów
algorytm mrówkowy
algorytm sztucznej kolonii pszczół
algorytm optymalizacji rojem cząstek
swarm intelligence
swarm based optimization
ant colony optimization
Artificial Bee Colony
particle swarm optimization (PSO)
Opis:: W pracy przedstawione zostały algorytmy rojowe, takie jak: algorytm mrówkowy, zmodyfikowany algorytm mrówkowy, algorytm sztucznej kolonii pszczół oraz algorytm optymalizacji rojem cząstek. Dla tych algorytmów przygotowane zostało oprogramowanie w Matlabie, pozwalające na optymalizację parametrów poszukiwanych modeli matematycznych, wyznaczanych na podstawie przeprowadzonych testów identyfikacyjnych lub na optymalizację parametrów regulatorów zastosowanych w modelach matematycznych układów sterowania.
The paper presents the swarm intelligence algorithms, such as: ant colony algorithm (ACO), the modified ant colony algorithm (MACO), the artificial bee colony algorithm (ABC) and the particle swarm optimization algorithm (PSO). Ant colony optimization (ACO) based upon the observation of the behavior of ant colonies looking for food in the surrounding anthill. Feeding ants it is based on finding the shortest path transitions between a food source and the anthill. In the process of foraging ants on their paths crossing from the nest to a food source and back, they leave a pheromone trail. The work presents also the modified ant colony algorithm (MACO). This algorithm is based on searching the solution space surrounded by the best solution obtained in the previous iteration. If you find a local minimum, the proposed algorithm uses pheromone to find a new solution space, while retaining the position information current local minimum. The artificial bee colony algorithm is one of the well-known swarm intelligence algorithms. In the past decade there has been created several different algorithms based on the observation of the behavior of cooperative bees. Among them, the most frequently analyzed and used is bee algorithm proposed in 2005 by Dervis Karaboga and was be used in the proposed paper. The particle swarm optimization algorithm (PSO) is based on adjusting the change speed of the moving particles to a speed of particles movement in the neighborhood. Particle optimization algorithm is one of the computational techniques derived on the basis of swarm behavior such as flocks of birds and schools of fish, which is the basis for the functioning of the exchange of information to enable them to cooperate. It was noticed that the animals in the herd tend to maintain the optimum distance from their neighbors, by appropriate adjustment of their speed. This method allows the synchronous and collision-free motion, often accompanied by sudden changes of direction and due to the rearrangement of the optimal formation. For these algorithms has been prepared the software in Matlab, allowing to optimization of the mathematical models designated on the basis of the carried out identification tests and control parameters used in the mathematical model of the control system.
Źródło:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 46; 97-102
1425-5766
2353-1290
Pojawia się w:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Optymalizacja rojowa nastaw przesuwników fazowych w systemie elektroenergetycznym
Swarm optimization of settings of phase shifting transformers in a power system
Autorzy:: Korab, R.
Owczarek, R.
Połomski, M.
Powiązania:: https://bibliotekanauki.pl/articles/269100.pdf
Data publikacji:: 2017
Wydawca:: Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:: power system
phase shifting transformer
particle swarm optimization (PSO)
active power losses
system elektroenergetyczny
przesuwnik fazowy
optymalizacja rojem cząstek
straty mocy czynnej
Opis:: W artykule przedstawiono zastosowanie algorytmu rojowego PSO do optymalizacji nastaw grupy przesuwników fazowych w systemie elektroenergetycznym. Jako kryterium optymalizacji zastosowano minimalizację strat mocy czynnej w sieci testowej IEEE 118. Przeanalizowano wpływ maksymalnej dozwolonej prędkości cząstek na efektywność algorytmu optymalizacji. Wyniki badań pokazują ważność tego parametru.
In response to the growing problem of unscheduled flows, a larger and larger number of transmission system operators in Europe equip their systems with phase shifting transformers (PSTs). PSTs are special transformers which installed in a transmission line enable regulation of the voltage phase angle and thereby change of the active power flow in the line. However, the use of several PSTs installed geographically close to each other must be coordinated in order to efficiently use those devices and avoid their adverse interactions. The coordination of a group of such devices leads to a multidimensional optimization problem. In this paper, the coordination problem was solved by optimization of settings of all analyzed PSTs, based on the swarm algorithm. This approach was examined and tested on an IEEE 118-bus test system. The minimization of active power losses in this system was used as the optimization criterion. The impact of maximum allowed velocity of particles on the effectiveness of the optimization algorithm was analyzed. The result shows that the improved effectiveness of the proposed approach can be obtained by careful selection of this parameter.
Źródło:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2017, 53; 99-102
1425-5766
2353-1290
Pojawia się w:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Optymalizacja liczby i położenia odwiertów eksploatacyjnych z wykorzystaniem mapy potencjału produktywności
Optimization of the number and placement of exploitation wells using a productivity potential map
Autorzy:: Łętkowski, Piotr
Powiązania:: https://bibliotekanauki.pl/articles/31344029.pdf
Data publikacji:: 2022
Wydawca:: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:: optymalizacja
symulacje złożowe
inteligencja roju
optymalizacja rojem cząstek
optymalna liczba odwiertów
optymalne położenie odwiertów
mapa potencjału produktywności
optimization
reservoir simulation
swarm intelligence
particle swarm optimization
optimal number of wells
optimal well placement
productivity potential map
Opis:: Jednym z podstawowych elementów planu zagospodarowania złoża węglowodorów jest określenie liczby i położenia odwiertów eksploatacyjnych (produkcyjnych i zatłaczających). Należy jednak zauważyć, że zdecydowana większość prac poświęcona temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona zadana arbitralnie. Wynika to z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. W artykule przedstawiono modyfikację podstawowej metody optymalizacyjnej uwzględniającą zmianę liczby odwiertów w czasie optymalizacji, przy czym optymalizacja położenia i liczby odwiertów przebiega równocześnie. Podstawową metodą optymalizacyjną w skonstruowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod stochastycznych. Została ona zmodyfikowana dla potrzeb przyjętego problemu optymalizacyjnego poprzez zmianę postaci funkcji celu oraz wprowadzenie zmiennej progowej, co pozwoliło na operowanie zmienną liczbą odwiertów. W celu poprawienia zbieżności algorytm uzupełniono o mechanizm mutacji oparty na mapie potencjału produktywności. Testy zbieżności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą efektywność zaproponowanego rozwiązania. Algorytm potrzebował 150 iteracji i 750 wywołań funkcji celu, aby 2,5-krotnie zwiększyć początkową wartość NPV przy równoczesnej 3,5-krotnej redukcji liczby odwiertów produkcyjnych. Z kolei zastosowanie algorytmu do optymalizacji liczby i rozmieszczenia odwiertów zatłaczających przy zadanej liczbie konfiguracji odwiertów wydobywczych pozwoliło na zwiększenie zysku netto o 1/3 przy ponad 2-krotnej redukcji liczby odwiertów
One of the basic elements of the hydrocarbon reservoir development plan is to determine the number and location of production and injection wells. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of exploitation wells assuming that it was an arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper presents modification of the basic optimization method taking into account the change in the number of wells during optimization. The optimization of the placement and number of wells run simultaneously. The basic optimization method in the constructed algorithm is particle swarm optimization (PSO) – one of the most effective methods of non-gradient optimization, belonging to the group of stochastic methods. It was modified for the needs of the adopted optimization problem by changing the form of the objective function and introducing the threshold variable which allowed to change the number of wells. In order to improve the convergence, the algorithm is supported by a mutation mechanism based on the productivity potential map. The convergence tests carried out based on the example of the PUNQ-S3 benchmark field showed the satisfactory effectiveness of the proposed solution. The algorithm took 150 iterations and 750 objective function calls to increase the starting NPV value by 2.5 times while reducing the number of production wells by 3.5 times. On the other hand, the use of the algorithm to optimize the number and placement of injection wells for a given number of production wells configuration allowed to increase the NPV value profit by 1/3 with a reduction of more than 2 times in the number of wells.
Źródło:: Nafta-Gaz; 2022, 78, 12; 861-871
0867-8871
Pojawia się w:: Nafta-Gaz
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Optymalizacja położenia odwiertów wydobywczych ze względu na czas trwania plateau wydobycia
Well placement optimization for constant production rate
Autorzy:: Łętkowski, Piotr
Powiązania:: https://bibliotekanauki.pl/articles/31348130.pdf
Data publikacji:: 2022
Wydawca:: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:: optymalizacja
symulacje złożowe
inteligencja roju
optymalizacja rojem cząstek
optymalna liczba odwiertów
optymalne położenie odwiertów
mapa potencjału produktywności
optimization
reservoir simulation
swarm intelligence
particle swarm optimization
optimal number of wells
optimal well placement
productivity potential map
Opis:: Określenie optymalnego rozmieszczenia odwiertów eksploatacyjnych na złożu węglowodorów jest kluczowe dla jego efektywnej eksploatacji. Tak sformułowane zagadnienie stanowi złożony problem optymalizacyjny, którego rozwiązanie w postaci lokalizacji odwiertów zależy między innymi od sposobu zdefiniowania funkcji celu. W literaturze najczęściej występują dwie postacie funkcji celu: zysk bieżący netto (NPV) oraz sumaryczne wydobycie ropy naftowej. Rzadziej spotykana jest funkcja celu bazująca na równomierności sczerpania złoża. Artykuł jest poświęcony próbie zastosowania funkcji celu opartej na czasie wydobycia ropy ze stałą wydajnością (tzw. plateau). Optymalizację prowadzono dla sumarycznego wydobycia ropy oraz zysku bieżącego netto w czasie trwania fazy plateau. W tym celu zbudowano hybrydowy algorytm optymalizacyjny bazujący na optymalizacji rojem cząstek. Zastosowanie algorytmu hybrydowego łączącego trzy mechanizmy wynikało z jednej strony z konieczności poprawienia skuteczności podstawowej metody optymalizacyjnej, z drugiej zaś miało na celu ograniczenie tzw. przedwczesnej zbieżności. Cele te zostały zrealizowane poprzez wykorzystanie mapy potencjału produktywności oraz wprowadzenie mechanizmu mutacji. Optymalizację prowadzono dla dwóch różnych sposobów sterowania odwiertami: sterowania grupowego ze stałą wydajnością oraz sterowania indywidualnego. Zbudowany algorytm potwierdził efektywność, uzyskując wzrost wartości funkcji celu w stosunku do wartości pierwotnej od 40% do 300%. We wszystkich analizowanych przypadkach algorytm rozmieścił odwierty produkcyjne poprawnie, co do zasady. Odwierty zostały rozmieszczone w strefie ropnej w bezpiecznej odległości zarówno od kontaktu woda–ropa, jak i ropa–gaz, przy czym stwierdzono pewne różnice w zależności od przyjętej funkcji celu. Przeprowadzone symulacje potwierdziły możliwość zastosowania czasu trwania plateau jako funkcji celu dla optymalizacji położenia odwiertów produkcyjnych.
Determining the optimal placement of production wells in a hydrocarbon reservoir is crucial for the effective exploitation. The problem formulated in this way is a complex optimization problem, the solution of which in the form of the location of the wells depends, inter alia, on the method of defining the objective function. Two forms of the objective function are most often found in the literature. These are the net pay value (NPV) and total oil production. The objective function based on the uniformity of the reservoir depletion is less common. The article is devoted to an attempt to apply the objective function based on the duration of oil production with a constant production rate (the so-called production plateau). The optimization was carried out for the total oil production and for the net pay value for the plateau period. The need to use a hybrid algorithm combining three mechanisms resulted, on the one hand, from the need to improve the effectiveness of the basic optimization method, and on the other hand, to reduce the so-called “premature convergence”. For this purpose, a hybrid optimization algorithm based on particle swarm optimization was built. These goals were achieved through the use of a productivity potential map and a mutation mechanism. Optimization was carried out for two different well control methods: group control with constant production rate and individual well control. The developed algorithm confirmed the effectiveness, obtaining an increase in the value of the objective function in relation to the original value from 40% to 300%. As a rule, the algorithm placed the production wells correctly in all analyzed cases. The well were located in the oil zone at a safe distance from both water-oil and oil-gas contacts, with some differences depending on the target function adopted. The simulations carried out confirmed the possibility of using the plateau duration as a function of the objective for optimizing the location of production wells.
Źródło:: Nafta-Gaz; 2022, 78, 8; 598-607
0867-8871
Pojawia się w:: Nafta-Gaz
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Estymacja czasów wykonywania algorytmu sterującego w zależności od platformy sprzętowej na użytek diagnostyki obiektu mechanicznego
Estimation of control algorithm execution times in dependence on the hardware platform for use in mechanical object diagnostics
Autorzy:: Kozłowska, A.
Powiązania:: https://bibliotekanauki.pl/articles/157438.pdf
Data publikacji:: 2013
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: algorytm optymalizacji rojem cząstek
funkcje testowe
karta graficzna
procesor
czas obróbki
maszyny wieloosiowe
particle swarm optimization (PSO)
test functions
graphic cards
processor
processing time
multi-axis machines
Opis:: Opracowanie systemów sterowania obiektami mechanicznymi polega na znalezieniu kompromisu między szybkością działania, a wymaganą dokładnością i jest zagadnieniem o dużej złożoności obliczeniowej. W artykule przedstawiono różne implementacje algorytmu Optymalizacji Rojem Cząstek PSO (ang. Particle Swarm Optimization), który stworzono w celu uzyskania minimalnego czasu obróbki przy zachowaniu zadanej dokładności odtwarzania trajektorii ruchu. Jego działanie zostało porównane w językach: C, C++ i C# oraz na procesorze i karcie graficznej. Z przeprowadzonych badań wynika, że dla małej liczby punktów obliczenia na karcie graficznej są wolniejsze niż na procesorze.
: Finding the compromise between speed and accuracy is the most important problem in designing control systems. This is a problem of high computational complexity. The paper presents implementation of the algorithm PSO (Particle Swarm Optimization) whose action has been compared in several programming environments (C / OpenCL and C # / Cloo and in C + +) and hardware platforms (CPU and graphics card processor - GPU). PSO is able to achieve the minimum processing time and best possible mapping of a given trajectory. To compare the speed of the PSO algorithm there was made a measurement of the time of test function minimization. The paper describes three test functions commonly used to test the optimization effectiveness. The results show that for a small number of points the calculations on a graphic card are slower than those performed on the CPU. The appropriate use of available parallel computing technologies can significantly improve the characteristics of a multi-axis machine and the expenses incurred for optimization of the PSO can quickly result in important profits. It should be noted that optimization of the processing speed is most needed where the treatment is most complicated. The profit will be negligible for simple trajectories. In special cases, the optimization may extend the processing time without apparent improvement of the characteristics of trajectory mapping.
Źródło:: Pomiary Automatyka Kontrola; 2013, R. 59, nr 5, 5; 466-469
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Particle Swarm Optimization" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język